Glioblastoma (GBM) is the most aggressive nervous system cancer. Understanding its molecular pathogenesis is crucial to improving diagnosis and treatment. Integrated analysis of genomic, proteomic, post-translational modification and metabolomic data on 99 treatment-naive GBMs provides insights to GBM biology. We identify key phosphorylation events (e.g., phosphorylated PTPN11 and PLCG1) as potential switches mediating oncogenic pathway activation, as well as potential targets for EGFR-, TP53-, and RB1-altered tumors. Immune subtypes with distinct immune cell types are discovered using bulk omics methodologies, validated by snRNA-seq, and correlated with specific expression and histone acetylation patterns. Histone H2B acetylation in classical-like and immune-low GBM is driven largely by BRDs, CREBBP, and EP300. Integrated metabolomic and proteomic data identify specific lipid distributions across subtypes and distinct global metabolic changes in IDH-mutated tumors. This work highlights biological relationships that could contribute to stratification of GBM patients for more effective treatment.

Biological tissues exhibit complex spatial heterogeneity that directs the functions of multicellular organisms. Quantifying protein expression is essential for elucidating processes within complex biological assemblies. Imaging mass spectrometry (IMS) is a powerful emerging tool for mapping the spatial distribution of metabolites and lipids across tissue surfaces, but technical challenges have limited the application of IMS to the analysis of proteomes. Methods for probing the spatial distribution of the proteome have generally relied on the use of labels and/or antibodies, which limits multiplexing and requires a priori knowledge of protein targets. Past efforts to make spatially resolved proteome measurements across tissues have had limited spatial resolution and proteome coverage and have relied on manual workflows. Here, we demonstrate an automated approach to imaging that utilizes label-free nanoproteomics to analyze tissue voxels, generating quantitative cell-type-specific images for >2000 proteins with 100-µm spatial resolution across mouse uterine tissue sections preparing for blastocyst implantation.

Abstract Background Representing biological networks as graphs is a powerful approach to reveal underlying patterns, signatures, and critical components from high-throughput biomolecular data. However, graphs do not natively capture the multi-way relationships present among genes and proteins in biological systems. Hypergraphs are generalizations of graphs that naturally model multi-way relationships and have shown promise in modeling systems such as protein complexes and metabolic reactions. In this paper we seek to understand how hypergraphs can more faithfully identify, and potentially predict, important genes based on complex relationships inferred from genomic expression data sets. Results We compiled a novel data set of transcriptional host response to pathogenic viral infections and formulated relationships between genes as a hypergraph where hyperedges represent significantly perturbed genes, and vertices represent individual biological samples with specific experimental conditions. We find that hypergraph betweenness centrality is a superior method for identification of genes important to viral response when compared with graph centrality. Conclusions Our results demonstrate the utility of using hypergraphs to represent complex biological systems and highlight central important responses in common to a variety of highly pathogenic viruses.

Coronaviruses encode a mix of highly conserved and novel genes as well as genetic elements necessary for infection and pathogenesis, raising the possibility for common targets for attenuation and therapeutic design. In this study, we focus on the highly conserved non-structural protein (NSP) 16, a viral 2 O methyl-transferase (MTase) that encodes critical functions in immune modulation and infection. Using reverse genetics, we disrupted a key motif in the conserved KDKE motif of MERS NSP16 (D130A) and evaluated the effect on viral infection and pathogenesis. While the absence of 2 O MTase activity had only marginal impact on propagation and replication in Vero cells, the MERS dNSP16 mutant demonstrated significant attenuation relative to control both in primary human airway cultures and in vivo. Further examination indicated the MERS dNSP16 mutant had a type I IFN based attenuation and was partially restored in the absence of IFIT molecules. Importantly, the robust attenuation permitted use of MERS dNSP16 as a live attenuated vaccine platform protecting from challenge with a mouse adapted MERS-CoV strain. These studies demonstrate the importance of the conserved 2 O MTase activity for CoV pathogenesis and highlight NSP16 as a conserved universal target for rapid live attenuated vaccine design in an expanding CoV outbreak setting.

Extracellular vesicles (EVs) carry diverse biomolecules derived from their parental cells, making their components excellent biomarker candidates. However, purifying EVs is a major hurdle in biomarker discovery since current methods require large amounts of samples, are time-consuming and typically have poor reproducibility. Here we describe a simple, fast, and sensitive EV fractionation method using size exclusion chromatography (SEC) on a fast protein liquid chromatography (FPLC) system. Our method uses a Superose 6 Increase 5/150, which has a bed volume of 2.9 mL. The FPLC system and small column size enable reproducible separation of only 50 microliters of human plasma in 15 minutes. To demonstrate the utility of our method, we used longitudinal samples from a group of individuals who underwent intense exercise. A total of 838 proteins were identified, of which, 261 were previously characterized as EV proteins, including classical markers, such as cluster of differentiation (CD)9 and CD81. Quantitative analysis showed low technical variability with correlation coefficients greater than 0.9 between replicates. The analysis captured differences in relevant EV proteins involved in response to physical activity. Our method enables fast and sensitive fractionation of plasma EVs with low variability, which will facilitate biomarker studies in large clinical cohorts.

Abstract Extracellular vesicles (EVs) carry diverse biomolecules derived from their parental cells, making their components excellent biomarker candidates. However, purifying EVs is a major hurdle in biomarker discovery since current methods require large amounts of samples, are time‐consuming and typically have poor reproducibility. Here we describe a simple, fast, and sensitive EV fractionation method using size exclusion chromatography (SEC) on a fast protein liquid chromatography (FPLC) system. Our method uses a Superose 6 Increase 5/150, which has a bed volume of 2.9 mL. The FPLC system and small column size enable reproducible separation of only 50 µL of human plasma in 15 min. To demonstrate the utility of our method, we used longitudinal samples from a group of individuals who underwent intense exercise. A total of 838 proteins were identified, of which, 261 were previously characterized as EV proteins, including classical markers, such as cluster of differentiation (CD)9 and CD81. Quantitative analysis showed low technical variability with correlation coefficients greater than 0.9 between replicates. The analysis captured differences in relevant EV proteins involved in response to physical activity. Our method enables fast and sensitive fractionation of plasma EVs with low variability, which will facilitate biomarker studies in large clinical cohorts.

Zika virus (ZIKV), an arbovirus of global concern, remodels intracellular membranes to form replication sites. How ZIKV dysregulates lipid networks to allow this, and consequences for disease, is poorly understood. Here, we performed comprehensive lipidomics to create a lipid network map during ZIKV infection. We found that ZIKV significantly alters host lipid composition, with the most striking changes seen within subclasses of sphingolipids. Ectopic expression of ZIKV NS4B protein resulted in similar changes, demonstrating a role for NS4B in modulating sphingolipid pathways. Disruption of sphingolipid biosynthesis in various cell types, including human neural progenitor cells, blocked ZIKV infection. Additionally, the sphingolipid ceramide redistributes to ZIKV replication sites and increasing ceramide levels by multiple pathways sensitizes cells to ZIKV infection. Thus, we identify a sphingolipid metabolic network with a critical role in ZIKV replication and show that ceramide flux is a key mediator of ZIKV infection.